Maschinelles Lernen zur Optimierung einer autonomen Fahrspurführung

URL
Dokumentart: Diplomarbeit, Magisterarbeit, Master Thesis
Institut: Department Informatik
Sprache: Deutsch
Erstellungsjahr: 2011
Publikationsdatum:
SWD-Schlagwörter: Spurführung
DDC-Sachgruppe: Informatik

Kurzfassung auf Deutsch:

In dieser Arbeit wurde ein modellfreies Spurführungsverfahren entwickelt. Dieses Verfahren berücksichtigt die Fahrzeugkinematik, den Verlauf der Fahrspurgeometrie und die Aktionen während der Lenkungstotzeit, um die optimale Lenkungsaktion für den aktuellen Fahrzeugzustand zu bestimmen. Das prädiktive NFQ-Spurführungsverfahren setzt den Neural Fitted Q Iteration Algorithmus zum Trainieren eines neuronalen Netzes ein. Zur Ermittlung von der besten Lenkungsaktion bezüglich des Fahrzeugzustandes, liefert das trainierte neuronale Netz eine Approximation der Q-Funktion.

Kurzfassung auf Englisch:

In this work a model-free path tracking method was developed. The method considers the vehicle kinematics, the path geometry and the delayed control actions in order to determine the optimal control action. The predictive path tracking method applies the Neural Fitted Q Iteration algorithm for training a neural network. The trained neural network provides an approximation of the Q-function so that the best control action for the current vehicle state can be determined.

Hinweis zum Urherberrecht

Für Dokumente, die in elektronischer Form über Datenenetze angeboten werden, gilt uneingeschränkt das Urheberrechtsgesetz (UrhG). Insbesondere gilt:

Einzelne Vervielfältigungen, z.B. Kopien und Ausdrucke, dürfen nur zum privaten und sonstigen eigenen Gebrauch angefertigt werden (Paragraph 53 Urheberrecht). Die Herstellung und Verbreitung von weiteren Reproduktionen ist nur mit ausdrücklicher Genehmigung des Urhebers gestattet.

Der Benutzer ist für die Einhaltung der Rechtsvorschriften selbst verantwortlich und kann bei Mißbrauch haftbar gemacht werden.